英國華威大學(xué):研發(fā)AI 深度學(xué)習(xí)ECG系統(tǒng),利用無創(chuàng)方法檢測低血糖
TIMEDOO肽度(微信號:Time-doo)獲悉,大多數(shù)糖尿病患者必須通過手指抽血測試來測量他們的血糖水平,其中部分患者使用可穿戴式連續(xù)血糖監(jiān)測儀來測量,但即使如此通常也需要每天兩次校準(zhǔn)。眾所周知,心電圖(ECG)可以顯示血糖水平異常的跡象,但不同患者在ECG波形中表現(xiàn)出的個體反應(yīng)會影響結(jié)果的可靠性。
現(xiàn)在,英國華威大學(xué)的研究人員表明,通過對一種商用可穿戴設(shè)備(美敦力Zephyr Biopatch HP)生成的ECG圖進(jìn)行簡單分析,就可以檢測出危險的低血糖事件,準(zhǔn)確率達(dá)到82%。這可與目前介入式連續(xù)血糖儀的能力相媲美。如果這些結(jié)果在更廣泛的研究中得到證實,這項技術(shù)可能會對兒科患者有所幫助,有助于預(yù)防睡眠期間的低血糖,并大大改善許多糖尿病患者的生活質(zhì)量。
這個新系統(tǒng)依賴于一種深度學(xué)習(xí)方法,可以識別不同人的心跳如何受到低血糖的影響。使用傳統(tǒng)方法記錄每個患者的ECG信號并記錄低血糖事件。只要有足夠的數(shù)據(jù),沃里克系統(tǒng)就會捕捉到低血糖病例中出現(xiàn)的ECG信號生物標(biāo)記物,在隨后的分析中可以發(fā)現(xiàn)這些標(biāo)記物。對于臨床醫(yī)生來說,讓事情變得更容易是一種注釋性的方法,它確保了ECG中指向低血糖的方面得到突出顯示。
實線表示兩個不同受試者在血糖水平正常(綠線)或低(紅線)時的平均心跳。紅色和綠色陰影表示平均值附近心跳的標(biāo)準(zhǔn)偏差。比較表明,這兩個受試者在低血壓事件期間有不同的ECG波形變化。具體地說,受試者1在低音時出現(xiàn)明顯較長的QT間期,而受試者2則沒有。垂直條形圖代表每個ECG波在確定心跳是否被歸類為低心跳或正常心跳時的相對重要性。一位訓(xùn)練有素的臨床醫(yī)生從這些條形圖上看到,對于受試者1,T波位移影響分類,反映出當(dāng)受試者處于低音狀態(tài)時,心室的復(fù)極速度較慢。在受試者2中,心電圖最重要的成分是P波和T波的抬高,提示受試者在低血壓狀態(tài)時,心房去極化和心室激動閾值受到特別大的影響。
更多信息請參考:Scientific Reports: Precision Medicine and Artificial Intelligence: A Pilot Study on Deep Learning for Hypoglycemic Events Detection based on ECG
編輯|鄧雪君
?


本文系作者 @TIMEDOO 原創(chuàng)發(fā)布在 肽度TIMEDOO。未經(jīng)許可,禁止轉(zhuǎn)載。